SCI论文（www.lunwensci.com）
【摘 要】“双碳 ”目标下的绿色金融碳减排工具效应日益受到广泛关注 。从绿色信贷 、绿色 证券 、绿色投资 、绿色保险及碳金融多个角度来衡量中国的绿色金融发展水平，采用我国 30 个省 份(不包含西藏和港澳台地区)2008—2021 年的面板数据，通过构建空间动态面板模型探讨绿色 金融对碳排放的影响，并进一步讨论绿色金融促进区域碳减排的空间效应 。 实证结果表明：首 先，绿色金融的发展抑制了本地区的碳排放 。其次，通过分解绿色金融抑制碳排放的空间效应发 现，绿色金融在抑制本地区碳排放的同时还产生了“本地—邻地 ”的溢出效应 。最后，绿色金融能 通过促进产业能源消费转型 、技术进步创新促进区域碳排放 。其政策含义是应该进一步完善绿 色金融的激励机制，同时强化区域绿色金融合作，以此推动实体经济的低碳转型 。
【关键词】 绿色金融,碳排放,空间动态面板模型,空间效应
一、引言
随着全球气候变暖 ，环境问题日益严峻 ，减少二氧化碳等温室气体的排放逐渐在全球达成共 识 。按照《巴黎气候变化协定》的要求 ，截至 2030 年 ，中国单位 GDP二氧化碳排放量要比 2005 年下 降 60%~65% 。为实现经济增长的新旧动能转换 ，实现预期减排目标 ，我国的“十三五 ”规划纲要第 一次引入“绿色发展 ”理念 ，要求走绿色低碳发展道路 ，要“建立绿色金融体系 ，发展绿色信贷 、绿色 债券 ，设立绿色发展基金”;党的十九大报告强调“构建市场导向的绿色技术创新体系 ，发展绿色金 融 ，壮大节能环保产业 、清洁生产产业 、清洁能源产业”。2020 年 9 月 ，习近平在第七十五届联合国 大会一般性辩论上发表讲话 ，提出“碳达峰 、碳中和 ”目标 。在“双碳 ”目标下 ，中国人民银行于 2021 年 3 月提出“三大功能 ”“五大支柱 ”绿色金融发展政策思路：完善绿色金融标准体系，强化金融机构 监管和信息披露要求 ，逐步完善激励约束机制 ，不断丰富绿色金融产品和市场体系 ，积极拓展绿色 金融国际合作空间 [1] 。
近年来，我国政府于国家层面开展了一系列绿色金融政策，释放出了“大力发展绿色经济 ”的信 号 。那么 ，绿色金融的发展会对我国的碳排放强度产生什么影响? 以多元化的绿色金融政策促进 绿色金融大力发展的同时，能否减少碳排放? 我们试图通过基本事实 、理论分析和实证检验回答上 述问题 。
二、文献综述
早期的学者已关注到金融发展对碳排放的影响 。一种观点认为金融的发展会增加碳排放 。从 国家层面来讲 ，金融和经济发展的代价即环境恶化与碳排放量增加 ，尤其是对于发展中国家而言 ，部分学者通过对东盟经济体和金砖国家的分析均实证了这一观点(Abdul 等，2018;Ali 等，2019)[2-3] 。 从企业层面来讲，金融的发展可以减少融资限制和生产成本，促进了企业对大型设备的购买和新的 生产线的建设 ，这必然会增加碳排放 。从个人层面来讲 ，金融的发展使得人们更加容易获得信贷 ， 刺激了消费者对汽车 、空调和冰箱等能源密集型产品的购买，增加了地区碳排放(Sadorsky，2010)[4] 。 另一种观点认为 ，金融的发展会减少碳排放 。首先 ，金融的发展与完善会使得清洁技术得以发展 ， 引导高耗能企业的能源消费结构转型 ，减少碳排放( Gu & He，2012;严成樑等 ，2016 )[5-6] 。其次 ，金 融的发展与完善会使得市场透明度提高，社会监督力量得以增强，会促使企业积极主动地响应节能 环保措施来提升社会形象 ，不仅获得更多的融资支持还响应了国家政策的要求(Acheampong 等 ， 2020 )[7] 。
此后，随着绿色金融概念的具体化，相关政策的完善和推进，国内外的学者们更加聚焦绿色金融 的发展对碳排放产生的相关影响 。绿色金融既具有传统金融的商业属性，又具有公共产品的社会公 益属性(毛彦军等，2022)[8] 。绿色金融在减少对高污染高能耗产业资金投入的同时将资金引导至节能 环保产业，既推动节能环保技术创新又对重污染企业产生抑制作用，以产业结构的优化促进能源消费 结构的低碳化，达到降低二氧化碳排放的目的(Aizawa&Yang，2010;Anderson，2016)[9-10] 。并且受到地 理位置 、经济发展程度等因素的影响，不同区域的绿色金融发展程度也有所差异，使得不同区域的绿 色金融对碳排放量产生影响的效果也有所不同(杨林京和廖志高，2021;尤志婷等，2022)[11-12] 。
此外，根据新经济学的“ 中心—外围 ”模型可知，生产要素的跨区域流动会引发空间集聚或扩散 效应(王金涛和黄恒 ，2022 )[13] ，因此 ，许多经济和环境问题相关的变量会具有空间依赖的特征( Zhao 等 ，2021 )[14] 。近年来 ，越来越多的学者引入空间计量的方法考察经济增长 、生产性服务业聚集与碳 排放的关系(郑长德和刘帅，2011;Wang 等，2020;韩峰和谢锐，2017 )[15-17] ，同时也有极少数学者关注 绿色信贷对碳排放的空间影响(张可等，2022 )[18] 。
国内外已有文献为后续研究提供了有价值的借鉴 ，但已有文献大多侧重于绿色金融对碳排放 的直接影响 ，鲜有关注绿色金融对碳排放的空间效应 。我们研究的边际贡献如下：第一 ，采用空间 计量模型分析绿色金融对碳排放的影响 ，并进一步分析其产生的空间效应 。 与大多数文献采用的 普通面板回归方法相比 ，空间计量模型可以减少因忽略变量间的空间相关性而导致的估计误差 。 第二 ，相较于单一绿色信贷对碳排放的空间效应研究 ，进一步将绿色信贷 、绿色证券 、绿色保险 、绿 色投资 、碳金融纳入绿色金融内涵框架 ，合成绿色金融指数 ，从空间的角度讨论绿色金融对碳排放 产生影响及效应 。
三、理论分析与研究假设
(一)绿色金融对碳排放的空间效应
现今社会 ，经济活动的空间关联性会随着人力资本 、技术资源等生产要素在区域间的频繁流动 而日益上升 。可能会因为技术发展 、环境规制和生产应用等方面的影响使得地区之间出现产业集 聚的情况 。绿色金融催生了低碳经济 ，形成了低碳产业链 ，产业集聚又会促进低碳技术的纵向溢 出，使得低碳产业链的内在价值得以提升 。伴随着产业绿色价值链的逐步再发展，产业集聚的地区 会出现“市场拥挤效应”，竞争优势和超额利润的存在会导致高科技低碳产业向周边地区扩散 ，形 成低碳产业的横向溢出 ，从而带动周边地区的碳排放减少 [19] 。与此同时 ，空间的交互作用会随着经 济的发展而日益增强，一个地区的创新水平不仅影响当地的要素配置，还能通过创新资源的差异在 地区之间进行流动和转化 ，从而产生创新溢出效应 [13] 。现阶段 ，各省域的绿色金融发展程度参差不 齐 ，发达地区和欠发达地区低碳技术的研发创新进展也各不相同 。但是得益于创新溢出效应的存 在，区域间的绿色创新效率会随着时间呈现逐渐缩小的趋势，从而促进周边地区的二氧化碳减排 [20] 。 此外 ，随着国家对生态文明建设日益重视 ，对绿色金融扶持力度的逐渐加大 ，对完成“双碳 ”目标的 步伐愈发坚定 ，低碳经济和生态文明已成为政绩考核的重要指标 [21] 。 因此 ，在晋升激励的驱使下 ， 政府官员会对绿色金融的发展格外重视 ，会加大对环境友好型项目的投资来提升环境治理效能 。
并且地方官员还会在推动绿色金融发展的过程中形成相互追赶的竞争关系 ，主动带领倡导该地区的工作人员和企业学习和模仿周边地区的前沿技术，提升本地的绿色创新能力，使得优势地区所具 有的“示范效应 ”得以充分发挥 。 由此可见 ，晋升激励也可以使得绿色金融在更大的范围上发挥减 碳的效能 。综上所述，提出假设 H1：
H1：绿色金融能够抑制本地区的碳排放，且具有“本地—邻地 ”的空间溢出效应 。
(二)绿色金融影响碳排放的作用机理
绿色金融的发展一方面能够加快能源消费结构的转型 ，减少碳排放 。首先 ，绿色金融在银行遵 循“ 区别对待 ”的原则下 ，有意向性地将金融资源引入光伏 、风电 、核电 、天然气等新兴能源产业 ，在 投资增量效应下有力地推动绿色能源产业部门的发展 。其次 ，绿色金融所具有的资本导向效应又 可以推进能源消费结构优化升级 [6] 。 随着社会对绿色低碳生产生活方式的期盼加深 ，绿色低碳企 业所表现出来的良好发展会极大地增强投资者的信心，极大促进绿色低碳新兴产业的发展，而传统 的以煤炭等为主要能源消费的产业将不会被资本市场所青睐 ，由此不断促进产业能源消费结构优 化升级 。
另一方面 ，随着绿色金融体系的发展 ，绿色金融通过绿色信贷 、绿色证券 、绿色投资 、绿色保险 等融资方式为阶段性的产业技术进步提供了充足的资金支持 ，进而促进碳减排的实现 。产业技术 进步所带来的减排效应主要分为三个阶段，第一阶段表现为偏向性技术进步，它所带来的要素利用 率的提升并不是劳动 、资本 、资源等各类要素的利用率同步提升的 ，而是着重在能源利用效率或低 碳减排等能直接产生绿色效应的领域 [22] 。 第二阶段为环境技术进步 ，表现为在特定领域的要素利 用率 ，因为技术进步得到提升后会在其所处的行业环境内形成扩散效应 ，带动其他因素如劳动 、资 本等利用率的提升 [23] ，使得全要素效率提升 。第三阶段与 FDI 活动的技术外溢类似 ，即绿色产业技 术得到创新升级后，伴随着产业规模的扩展，不仅会使得技术进步以绿色投资等形式传播至上下游 产业，还会对竞争企业的绿色创新活动形成激励，扩大碳减排效果 。综上所述，提出假设 H2：
H2：绿色金融能够通过能源消费转型和技术进步创新途径减少碳排放 。
(一)变量选取
1.被解释变量 。碳排放量( CO2 )。 我们使用的碳排放量是基于《2006 年 IPCC 国家温室气体清 单指南》和《中国能源年鉴》分别提供的八类主要化石燃料的二氧化碳排放系数和各省能源化石燃 料消费量计算而得到的各省份每年的二氧化碳排放量，具体计算公式如下：
其中 ，C 为二氧化碳排放量 ;k 为二氧化碳与碳分子重量比 ，即 k=44/12;Ei 为第 i 类化石燃料的 消耗量;δ i 为第 i 类化石燃料的排放系数 。i 表示所选取的二氧化碳排放较高的前八种能源 ，分别是 煤炭 、焦炭 、原油 、汽油 、煤油 、柴油 、燃料油 、天然气 。
2.核心解释变量 。绿色金融( GF )。 核心解释变量为代表绿色金融发展的五项主要指标：绿色信贷( GC )、绿色证券( GE )、绿色投资( GI )、绿色保险( EI )和碳金融( CF )，采用熵值法对五项指标 赋 予 权 重 ，构 成 衡 量 绿 色 金 融 的 综 合 指 标 。对 于 绿 色 信 贷( GC )的 衡 量 ，参 考 了 谢 婷 婷 和 刘 锦 华 ( 2019 )[23] 的相关研究 ，选取了各省六大耗能产业利息支出占工业产业利息总支出比率作为反向指 标，用以测度绿色信贷的投放规模 。对于绿色证券(GE)与绿色保险的衡量，参考了曾学文(2014)[24] 等的相关研究 ，绿色证券指标下包含了环保企业与六大高耗能产业占 A 股总市值的比重两个三级 指标，分别作为正 、反向的衡量指标 。绿色保险指标包含农业保险规模和农业保险赔付率两个三级 指标 ，对于绿色保险我国还未给出明确的定义 ，考虑到农业是受自然环境影响较大的行业 ，因此采 用这两个指标作为正向指标反映绿色保险的发展情况 。对于绿色投资( GI )的衡量 ，参考了高锦杰 和张伟伟( 2022 )[25] 的相关研究 ，选取各省节能环保产业财政支出占财政支出总额的比重和政府对 于污染治理投资占 GDP 的比重这两个三级指标来测度绿色投资规模 。对于碳金融( CF )的衡量参 考了谢东江和胡士华( 2022 )[26] 的相关研究 ，用金融机构本外币贷款余额与二氧化碳排放量的比重 作为测度指标 。具体指标体系构建如表 1 所示 。
3. 中介变量 。选取了能源消费转型( TEC )、技术创新( STI )作为验证机制效应的中介变量 。能 源消费转型( TEC )以各省煤炭消费占总能源消费的比重来衡量 ，由于我国主要的消费能源为煤炭 ， 同时煤炭也是我国二氧化碳排放的主要来源 ，因此以该指标作为逆向指标考察我国各地区的能源 消费转型及产业结构优化的情况 。技术进步创新( STI )以各省绿色发明专利授权数占专利授权数 的比重来衡量，科技的进步能使得能源使用效率和产业生产效率都得以提升，进而促进区域碳减排 。
4. 控制变量 。选取的控制变量：经济发展( ED )，以 GDP的对数作为衡量经济发展的程度 ，资源 会随着经济的发展得到更合理的配置 ，而资源配置会不会对能源的消耗与碳排放强度产生影响 [13] 。 产业结构( SE )，以第二产业增加值占地区生产总值的比重衡量 ，中国第二产业部门因其对煤炭等 化石燃料的高需求导致成为影响二氧化碳排放的主要因素 ，调整产业结构并使其优化升级是二氧 化碳减排的关键动因 。能源消耗( EC )，以各省能源消耗占GDP 的比重来衡量 ，能源消耗是碳排放 的主要来源 。市场化水平( ML )，以市场化总指数来衡量 ，市场化水平的高低对资源的配置有所影 响 ，市场化水平越高的地区 ，其资源密集型产业和低附加值行业的市场份额就越低 ，因而碳排放量 也会较低 [27] 。财政分权度( FD )，以财政支出与财政收入的比值来衡量[23] ，地方政府能够根据本地区 的财政情况对碳排放效率采取相应的措施 。居民消费支出( HCE )，以居民人均可消费支出的对数 来衡量 ，随着时代的进步 、经济的发展 ，居民的收入结构和消费理念也相应地发生改变 ，居民的消 费支出的变化也会对碳排放量产生不同的影响 。
(二)变量明细与数据来源
以 2008 — 2021 年国内 30 个省域(不含西藏及港澳台地区)层面的面板数据为样本 。各变量数 据来源与具体信息如表 2 所示 。
(三)模型设定
1. 空 间 计 量 经 济模 型 。空 间 计 量 经 济模 型 主要解决 回 归 中复 杂 的 空 间 交 互作 用和 空 间依赖 结 构问题 。根据 Tobler地理学第一定律 ，任何事物与其他周围事物之间均存在联系 ，而距离较近的事 物总比距离较远的事物联系更为紧密 [28] 。不同类型的空间计量模型具有不同的空间传导机制和经 济含义，为了获得更好的拟合结果，将遵循“OLS-SAR-SEM-SAC-SDM ”的模型选取路径，避免数据 的非正态带来的估计误差 。
( 1 )空间权重矩阵构建 。在进行空间自相关性检验前，需要构建空间权重矩阵 。 已有研究多以 地理邻近特征定义的空间权重矩阵来衡量空间相关性，考虑到在实际的经济运行中，各地区的经济 活动往往会冲破地理因素的桎梏 [13] ，因此产生空间溢出效应与辐射效应 。鉴于此 ，通过构建地理距 离矩 阵和地理 与 经 济嵌套权 重矩 阵来衡 量 空 间关联性 。其 中 ，地理距离矩 阵根 据 经 纬 度坐标 计算 各省会城市的地理距离的倒数作为构建的空间权重矩阵，地理距离权重矩阵为：
式中：dij 表示基于经纬度坐标计算的各省会城市的地理距离 。
考 虑 到地理距离权 重矩 阵仅反 映 了地理位置 的 影 响 ，当今社会 随着信 息 通信 、AI 、大数 据 等 互 联 网技术 的快速发展 ，地 区 间 的联 系 比 以往 更 加 紧 密 。 同 时 国 内基础 设施 的 完善使得各地 区之 间 的地理障碍得以一定地克服，经济距离意义上的空间关联也表现得尤为重要 。基于此，借鉴张学良 ( 2012 )[29] 的 相关研 究 ，进 一 步 构 建 地 理 与 经 济 嵌 套权 重 矩 阵 。 以 人 均 地 区 生产 总值 的 增 加值 差 异 为 矩 阵基础 元 素 ，构 建 描 述 经 济发 展 水 平 差 异 的 空 间权 重 矩 阵如 式( 3 )所 示 ，其 中 pGDP 表 示 人 均 地区生产总值 。
基于该矩阵 ，进一步构建经济地理嵌套矩阵以解决地理距离权重矩阵存在的忽略各区域之间 相 互作 用 的 经 济和社会 因 素 的 问题 。所 构建 的 经 济地理嵌套矩 阵如式( 4 )所 示 。其 中 ，distanceij 表 示地区 i 和地区 j 之间以经纬度坐标计算的地理距离 。
( 2 )空间自相关性检验 。在构建空间计量模型前，需要进行空间自相关性检验 。采用全局莫兰 指数检验地区间二氧化碳排放的空间相关特征 。其计算公式为：
其中 ，n 为样本数 ，S2 表示省域层面变量 x 的方差 ，ˉ(x)为省域层面 x 的均值 ，wij 是空间权重矩阵 。 莫兰指数可用于检测区域间的空间相似性与空间相异性 ，取值在 -1 和 1 之间 ，当莫兰指数> 0 时 ， 表明变量间存在空间正相关;当莫兰指数< 0 时，表明变量间存在空间负相关;当莫兰指数 =0 时，表 明变量间不存在空间相关性 。
表 3 分别计算了 2008 — 2020 年省域层面碳排放的全局莫兰指数 。 由表 3 可知，不论是地理距离 权重矩阵还是地理与经济嵌套权重矩阵 ，莫兰指数都全部为正 ，且对应的 P 值至少在 10%的水平上 显著 ，这表明国内省域层面的碳排放并不是随机分布的 ，呈现出明显的正向空间相关性和依赖特 征，即相邻地区间碳排放呈现趋同与聚集状态，这也意味着选取空间计量模型有助于减少估计偏差 且具有一定的合理性和准确性 。
( 3 )空间计量经济模型构建 。在进行空间面板模型估计前 ，需要依照“OLS-SAR-SEM-SAC- SDM ”的 路 径 对 空 间 计 量 模 型 进 行 检 验 ，以 此 判 断 出 所 适 配 的 空 间 模 型 。 依 次 进 行 了 LM 检 验 、 Hausman 检验 、LR 检验和 Wald 检验 ，并根据相应的检验结果选择出了所适配的时空双重固定的杜 宾模型( SDM )。 基于篇幅限制，则不在此展示各检验的结果 。
构建的空间计量经济模型具体公式如下：
其中 ，Wij 为空间权重矩阵 ，Xit 为控制变量 ，μi 和 τi 分别表示时间效应和地区效应 ，εit 为误差 项，ρ为空间的自相关系数，λ为空间的自回归系数 。
2. 空间中介效应模型 。在验证了绿色金融与碳排放之间关系的基础上 ，进一步探讨绿色金融 是否通过能源消费转型 、技术进步创新等传导机制对碳排放量产生影响，因此在空间计量模型中加 入能源消费转型和绿色金融 、技术进步创新和绿色金融的交互项，构建如下空间中介效应模型：
式( 8 )、式( 9 )中，Mit 表示中介变量，分别代表能源消费转型 、技术进步创新 。
五、实证结果分析
(一)空间计量经济模型回归结果
1.基准回归结果与稳健性检验 。表 4 展示了 SDM模型下绿色金融与碳排放关系的实证结果 。 由 表 4 结 果 可 知 ，无 论 是 在 地 理 距 离 矩 阵 还 是 在 地 理 与 经 济 嵌 套 矩 阵 的 回 归 检 验 中 ，绿 色 金 融 ( GF )的系数均在 1%的水平上显著为负 ，这表明绿色金融有助于降低本地区的碳排放水平 。这可 能是因为低碳技术得益于绿色金融将资金配置作出了合理的引导从而有了相应的发展 。 同时绿色 金融的发展还会使得资源得到合理配置使得企业效率提高，实现产业结构升级优化，推动了耗能产 业向低碳方向转型 ，降低了碳排放量 。在控制变量的实证结果中 ，产业结构( SE )分别在 10%和 5% 的水平上显著为正，这可能是因为我国作为世界上最大的发展中国家还未完成经济转型，工业的发 展依旧是我国经济发展的主要动力 ，所以会显著增加二氧化碳的排放 。能源消耗( EC )均在 1%的 水平上显著为正 ，这也是因为我国以工业发展为主 ，自然会产生大量的能源消耗从而增加了碳排 放 。居民消费支出( HCE )在地理与经济嵌套矩阵中 10%的水平上显著为负 ，这可能是因为随着人 们的可支配收入增加 、绿色发展理念深入人心 ，居民的消费理念和消费种类更加趋于绿色环保 ，二 氧化碳排放就得以减少 。财政分权度( FD )、市场化水平( ML )回归系数均为负但不显著 ，说明在样 本期间内它们可能降低了碳排放水平但不明显 。
为了检验上述回归结果的可信性 ，通过更换空间权重矩阵进行稳健性检验 ，滞后核心解释变量 进行空间计量模型回归避免绿色金融与碳排放之间存在逆向因果关系导致内生性 。更换空间权重 矩阵为地理与经济嵌套非对称矩阵 ，即基于地理与经济嵌套加权的矩阵 ，重新进行回归 ，结果如表 4 所示 。 由表 4 可知 ，替换空间权重矩阵后 ，绿色金融依然能在 1%的水平下显著抑制二氧化碳的排 放 ，并且控制变量的回归系数的方向性和显著性均未发生明显的变化 ，表明实证结果具有稳健性 。 同时将绿色金融滞后一期后再进行回归用以检验内生性问题 ，检验结果如表 4 所示 ，核心解释变量 与控制变量的回归系数方向和显著性均未发生明显的变化，表明模型设定具有合理性 。2. 空间溢出效应分析 。在表 5 中，M( 1 )和 M( 2 )分别为基于地理距离权重矩阵和地理与经济嵌 套矩阵回归的实证结果 。
由表 5 可知 ，无论是地理距离权重矩阵还是地理与经济嵌套矩阵均表明 ， 绿色金融的发展能够直接抑制本地区的碳排放的同时也促进了周边地区的碳减排 ，验证了假设 H1 。具体 而 言 ，在 直 接效 应 方 面 ，绿 色 金 融 的 系 数估 计值 均 在 1% 的 水 平 上 显 著 为 负 ，说 明 绿 色 金 融能够抑制本地区的碳排放 。这得益于 ，绿色金融的发展可以促进节能减排技术的发展以此提高 能 源 的 利 用效 率 ，推 动 了产业 的优化转 型 ，从而 减 少碳排放 。 同 时绿色证 券 、绿色投 资 以及碳 金 融 的发展缓解了绿色企业的融资问题，有助于企业的技术研发与应用，推动经济的高质量发展 。在间 接效应方面 ，地理距离权重矩阵和地理与经济嵌套矩阵的结果表明绿色金融的系数估计值分别在 1% 和 5% 的 水 平 上 显 著 为 负 。这 说 明本 地 区 的 绿 色 金 融 的发 展 也 有 助 于 减 少 周 边 地 区 的碳 排 放 ， 这 可 能 是 因 为 ，首先 ，本 地 区 的 低碳发 展模 式会产 生“示 范效 应 ”，使 得 周 边 地 区 开 始效 仿 ，倒 逼 周 边的工业企业进行产业结构调整升级 。其次，受到国家可持续发展的理念影响，地方政府不再只关 注 经 济增长 这 一个 目标 ，而是 更 多将 资 金 资 源合理分 配给 低碳行业 ，降 低碳排放水平 ，实现绿色 金 融 的“邻地效应 ”。在 总效应方 面 ，总效应 的绿色 金 融 减排 系数 为 直 接效应和 间 接效应 的 系数估值 之和 ，在 1% 的水平 下显著 为 负 ，意 味着 省 域层 面绿色 金 融 的平 均变化对 总体碳排放有显著 的 抑制 作 用 。此 外 在 控 制 变 量 方 面 ，控 制 变 量 回 归 结果 与 前 述基础 回 归 结果基本 一 致 ，如产 业 结 构( SE ) 和能源消耗( EC )依旧在 1%的显著性水平上增加了区域碳排放，在此将不再赘述 。
(二)空间中介模型回归结果
表 6 分别表示了在不同空间矩阵下 ，能源消费转型及科技创新在绿色金融影响碳排放中的中 介作用 。 由 N( 1 )和 N( 2 )的回归结果可以看出 ，无论是在地理距离矩阵还是地理与经济嵌套矩阵 下 ，主效应绿色金融对碳排放的影响都在 1%的水平下显著负相关 。 同时绿色金融与能源消费转型 的交乘项也在 1%的显著性水平下负相关 。这表明 ，能源消费转型能够明显地增强绿色金融对碳排 放的抑制作用 ，即绿色金融通过促进社会生产的能源消费结构合理转变 ，促进区域碳减排 。 由 N ( 3 )和 N( 4 )的回归结果可以看出 ，无论是在地理距离矩阵还是地理与经济嵌套矩阵下 ，主效应绿 色 金 融 对 碳 排 放 的 影 响 都 在 1% 的 水 平 下 显 著 负 相 关 。 同 时 绿 色 金 融 与 科 技 创 新 的 交 乘 项 也 在 10%和 1%的显著性水平下负相关 。这表明 ，科技创新也能够明显地增强绿色金融对碳排放的抑制 作用 ，即绿色金融通过引导资金投入绿色技术领域 ，促进区域碳减排 。综上所述 ，绿色金融通过能 源消费转型及科技创新途径减少碳排放，验证了假设 H2 。
六、结论与政策建议
以国内 30个省份(不包含西藏和港澳台地区)作为研究对象 ，通过对绿色金融的五个主要部分 运用熵权法计算出各部分的指标权重 ，探讨 2008 — 2021 年样本区间绿色金融对碳排放的影响 ，得 出以下结论：一是从绿色金融对碳排放影响的空间动态面板模型实证结果来看，在所研究的样本区 间内 ，绿色金融能够在 1%的显著性水平上抑制本地区的二氧化碳排放 ，且在经过一系列稳健性检 验后，该结论依旧成立 。二是从进一步分解绿色金融影响碳排放的空间效应结果来看，在地理距离 矩阵及地理与经济嵌套的空间权重矩阵下 ，绿色金融在抑制本地区碳排放的同时也使得周边地区 的碳排放水平显著下降 。这说明 ，绿色金融对碳排放的影响存在“本地—邻地 ”的空间溢出效应 。 三是从绿色金融影响碳排放的空间作用机制实证结果来看，在所研究的样本区间内，绿色金融能够 通过能源消费转型 、技术进步创新渠道显著影响二氧化碳减排 。
基于上述结论 ，提出以下三点政策建议：一是政府大力支持绿色金融发展 ，政策引导和约束金 融机构绿色发展 。实证结果表明绿色金融的发展能够显著地抑制二氧化碳排放 。政府可以通过因 地制宜实施绿色金融引导和扶持政策 ，如提供风险担保 、创新激励等 ，同时提高监管部门对绿色金 融行业的监督与披露 ，减少信息不对称 ，更好地发挥出绿色金融政策的引导作用 ，扶持绿色金融的 发展 ，助力碳减排的实现 。二是加强区域间的绿色金融与经济合作 。实证结果表明绿色金融对碳 排放存在显著的“本地—邻地 ”的空间溢出效应 。通过加强区域间的绿色金融与经济合作 ，使得人 力资本 、技术资源等生产要素在区域间实现更合理的流动与分配，实现区域间兼容互补的同时达到 缩小区域间发展差距的目标 。三是进一步促进产业绿色转型升级与绿色技术开发 。实证结果表明 能源消费结构转型及科技创新显著地增强了绿色金融对碳排放的抑制作用 。充分发挥绿色金融对 能源消费结构及科技创新的引导作用，不仅要提高企业对清洁能源利用的深度与广度，促进企业能 源消费结构的转型优化，积极地向低碳绿色的生产模式转变;还要引导资金更多地流向绿色技术创 新 ，提升科技创新水平及科技创新效率 ，积极探索绿色科技创新成果转化新渠道 ，助力“双碳 ”目标 的实现 。
【参考文献】
[1] 杜川 . 一行两会专题学习会议释放这些政策信号[N].第一财经日报，2021-07-07(A03).
[2] Abdul，Haseeb，Enjun，et al.Financial Development，Globalization，and CO2 Emission in the Presence of EKC： Evidence from BRICS Countries [J].Environmental Science & Pollution Research International，2018.25(31).
[3] Ali M，Nasir，Luu T，et al.Role of Financial Development，Economic Growth & Foreign Direct Investment in Driving Climate Change：A Case of Emerging ASEAN[J].Journal of Environmental Management，2019：242.
[4] Sadorsky，P.The Impact of Financial Development on Energy Consumption in Economies.Energy Policy， 2010(38)：2528-2535.
[5] Gu，H.M，He，B.Research on China's provincial financial development and carbon emissions.China Popul. Resour.Env iron，2012(22)：22-27.
[6] 严成樑，李涛，兰伟 .金融发展、创新与二氧化碳排放[J].金融研究，2016(1)：14-30.
[7] Acheampong A O，Amponsah M，Boateng E.Does Financial Development Mitigate Carbon Emissions? Evi- dence from Heterogeneous Financial Economies[J].Energy Economics，2020：88.
[8] 毛彦军，曲迎波，郑天恩 .绿色信贷的碳排放效应及其能源效率机制研究——基于空间计量模型的分析[J].金 融理论与实践，2022(9)：57-68.
[9] Aizawa M，Yang C.Green Credit，Green Stimulus，Green Revolution? China's Mobilization of Banks for Environmental Cleanup.The Journal of Environment & Development，2010.19(2)：119-144.
[10] Anderson J.Environmental finance[A].Ramiah V Gregoriou G N.Handbook of environmental and sustain- able finance[M].Amsterdam：Elsevier Inc，2016.
[11] 杨林京，廖志高 . 绿色金融、结构调整和碳排放——基于有调节的中介效应检验[J].金融与经济，2021(12)： 31-39.
[12] 尤志婷，彭志浩，黎鹏 . 绿色金融发展对区域碳排放影响研究——以绿色信贷、绿色产业投资、绿色债券为例 [J].金融理论与实践，2022(2)：69-77.
[13] 王金涛，黄恒 . 绿色信贷对碳排放的影响研究——基于 PSTR 模型和 SDM 模型的实证分析[J/OL].当代经济管 理：1-14[2022-08-15].http：//kns.cnki.net/kcms/detail/13.1356.F.20220620.1819.005.html.
[14] Zhao J，Zhao Z，Zhang H.The Impact of Growth，Energy and Financial Development on Environmental Pol- lution in China：New Evidence from a Spatial Econometric Analysis[J].Energy Economics，2021(93)：104-506.
[15] 郑长德，刘帅.基于空间计量经济学的碳排放与经济增长分析[J].中国人口 ·资源与环境，2011.21(5)：80-86.
[16] Wang K，Zhang J，Geng Y，Xiao L，Xu Z，Rao Y，Zhou X.Differential Spatial-Temporal Responses of Car- bon Dioxide Emissions to Economic Development：Empirical Evidence Based on Spatial Analysis[J].Mitiga- tion and Adaptation Strategies for Global Change，2020(25)：237-260.
[17] 韩峰，谢锐 . 生产性服务业集聚降低碳排放了吗?——对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究，2017.34(3)：40-58.
[18] 张可，李语晨，赵锦楸 .绿色信贷促进了节能减排吗[J].财经科学，2022(1)：15-30.
[19] ANDERSSON M，LOOF H.Agglomeration and productivity：evidence from firm-level data[J].The annals of regional science，2011.46(3)：601-620.
[20] 邵帅，范美婷，杨莉莉 . 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢 出效应视角的经验考察[J].管理世界，2022.38(2)：46-69.4-10.
[21] 张艳，郑贺允，葛力铭 . 资源型城市可持续发展政策对碳排放的影响[J].财经研究，2022.48(1)：49-63.
[22] 李小胜，胡正陶，张娜，宋马林 .“十二五 ”时期中国碳排放全要素生产率及其影响因素研究[J].南开经济研 究，2018(5)：76-94.
[23] 谢婷婷，刘锦华 .绿色信贷如何影响中国绿色经济增长?[J].中国人口 ·资源与环境，2019.29(9)：83-90.
[24] 曾学文，刘永强，满明俊，沈启浪 . 中国绿色金融发展程度的测度分析[J].中国延安干部学院学报，2014.7 (6)：112-121+105.
[25] 高锦杰，张伟伟 . 绿色金融对我国产业结构生态化的影响研究——基于系统 GMM 模型的实证检验[J].经济纵 横，2021(2)：105-115.
[26] 谢东江，胡士华 .绿色金融、期限错配与绿色全要素生产率[J/OL].软科学：1-16[2022-10-13].http：//kns.cnki. net/kcms/detail/51.1268.G3.20220713.1510.014.html.
[27] 樊纲，王小鲁，马光荣 . 中国市场化进程对经济增长的贡献[J].经济研究，2011.46(9)：4-16.
[28] Tobler W R.A Computer Movie Simulating Urban Growth in the Detroit Region[J].Economic Geography， 1970.46(1)：234-240.
[29] 张学良 . 中国交通基础设施促进了区域经济增长吗? ——兼论交通基础设施的空间溢出效应[J].中国社会 科学，2012(3)：60-77+206.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/75724.html
